2036호(220309)_지능형 스마트조명 동향

1. 스마트조명 개념

1) 스마트조명 개념

• 등장배경: 사물인터넷(IoT), 센서, 무선 네트워크 등 정보통신기술을 LED 조명에 적용함으로써 능동적 조명 제어를 통해 사용자 편의성 증대와 에너지 절감 효과 
• 개념: 빅데이터 분석 및 학습 등의 인공지능 기술을 조명에 접목시켜 다양한 지능형 서비스 제공
• 성장 동인: 에너지 절약 인식 증가로 에너지 효율 조명 시스템 요구 증가, 조명 솔루션과 스마트 장치 통합에 필요한 무선 기술 발전, IoT 및 AI 기술 발전, 스마트시티 증가에 따른 지능형 가로등 시스템 수요 증가, LED 높은 보급률 및 비용 감소
• 제한 요인: 높은 초기 구축 비용과 유지보수 비용, 상호운용성, 스마트조명 시스템의 보안 및 개인 정보 보호 문제 

 

2) 스마트조명 유형

(1) 응용유형: 실내 및 실외

• 실내: 주거용, 상업용, 산업용
• 실외: 고속도로, 도로, 교량 및 터널용, 공공장소, 건축 

(2) 유·무선 통신 기술: DALI, PLC, 지그비, 와이파이, 블루투스

• 유선: 안정성과 성능, 향상된 제어 제공
• 무선: 배선이 필요 없고 모니터링 및 제어 지점 구동 가능(지그비, 와이파이, 블루투스, 6LoWPAN, EnOcean)

 

 

2. 지능형 스마트조명 기술 동향

1) 스마트조명 AI 기술 동향

(1) 스마트조명 AI 기술 등장배경

• 사용자마다 편안함과 쾌적함을 느끼는 조명 조건이 다르기 때문에, 사용자 피드백 데이터를 기반으로 맞춤형 조명 환경을 제공하는 것이 사용자 만족도 향상에 중요
• 요구사항을 만족시키기 위해 사용자 피드백 및 센서 데이터 분석을 통한 AI 기반의 스마트조명 기술에 대한 연구 진행

(2) 스마트조명 AI 기술 종류

① Q-learning 알고리즘 기반 강화학습 모델을 이용한 조명 제어 기술(강화학습)

• 강화학습: 에이전트가 스마트조명 환경과 상호작용하여 에너지 절감과 사용자 편의성 향상시키는 방향으로 진화하여 상황에 따는 최적 조명 제어 가능
• 강화학습 에이전트: 환경 정보를 입력받아 보상 함수를 기반으로 행동을 취함(스마트조명 시스템에서 환경 정보는 센서 데이터와 사용자 데이터로 구분)
  • 센서 데이터: 밝기 정도를 가늠하기 위한 조도 데이터, 재실 감지를 위한 PIR, CO2 데이터
  • 사용자 데이터: 사용자가 느끼는 밝기 정도를 표현한 카테고리형 데이터, 또는 단말을 통해 입력된 디밍 레벨 데이터 등
• 에이전트가 일정 시간 단위로 환경 데이터를 입력받아 지속적으로 데이터 학습, 누적된 데이터를 기반으로 조명 제어 수행
• Q-learning 알고리즘: 행동가치 정도를 나타내는 Q-value를 기반으로 주어진 상태에서 어떤 행동을 취하는 것이 미래 보상을 가장 높여줄 것인지에 대한 정책 데이터를 지속적으로 업데이트하는 알고리즘

② 딥러닝 기술을 이용한 객체 검출 및 시계열 데이터 분석을 통한 조명 제어

• 딥러닝: 강화학습과 달리 사용자 피드백 데이터 없이 이미지 데이터나 센서 데이터를 중심으로 학습 수행
• 목적: 사용자 만족도 보다는 에너지 절감 목적
• 객체 검출 기술: YOLO, AlexNet, CaffeRef
• 시계열 데이터 분석을 통한 조명 제어: 동적인 환경 변화를 예측하여 지능형 스마트 조명 서비스에 활용

 

2) 지능형 스마트조명 테스트베드 기반 연구 동향 (테스트베드 환경 시나리오에 따른 분류)

(1) 라이프 로그 기반 스마트조명 제어 플랫폼: 일상생활에서 발생하는 사용자의 라이프 로그(주변 환경, 운동량, 감정, 생체 정보 등)를 활용하여 개인별 특성에 맞는 조명 제어

(2) LSTM을 활용한 기상 예측을 통한 지능형 자율 가로등 시스템

(3) 사무 공간의 에너지 절약을 위한 지능형 스마트조명 제어 시스템

(4) 교실학습 환경 인지 기반 스마트조명 시스템